قامت مسابقة HIPE-OCRepair-2026، وهي جزء من ICDAR 2026، بتقييم فعالية النماذج اللغوية الكبيرة في تصحيح أخطاء OCR في المستندات التاريخية. ركزت المسابقة على تحسين البحث والوصول إلى المجموعات الرقمية من خلال معالجة مشكلات OCR القديمة دون إعادة رقمنة.
- قام المشاركون بتصحيح النصوص المنقولة ذات الضوضاء العالية من الصحف والأعمال المطبوعة باللغة الإنجليزية والفرنسية والألمانية من القرن السابع عشر إلى العشرين.
- استخدم التقييم نهجًا للتقييم يركز على الاسترجاع بدلاً من التقييم الدبلوماسي ليعكس حالات الاستخدام العملية.
- قدمت أربع فرق أنظمة تتراوح بين التوجيه بدون تدريب (zero-shot prompting) والتدريب المسبق المستمر والضبط الدقيق.
- أظهرت النتائج أن الأنظمة الحديثة المدعومة بـ LLM تحسن جودة OCR بشكل كبير، على الرغم من اختلاف الأداء عبر اللغات ومستويات الضوضاء.
- تم تحديد المبالغة في التصحيح على المدخلات ذات الضوضاء المنخفضة كتحدي متكرر، مما يسلط الضوء على الحاجة إلى تقييم يتجاوز تقليل أخطاء الأحرف.
تم إصدار مجموعة البيانات والمقيّم وخط أنابيب التقييم بشكل عام لدعم الأبحاث المستقبلية في هذا المجال.